对于机器人来说，它们完成日常事务时需要访问大量数据来学习如何抓取和操纵物体——这些数据通常来自精密的编程。但在理想状况下，机器人可以彼此之间获取信息。

学术研发进程加快 知识分享型机器人或成真

如果机器人可以进行学习并在彼此间分享知识，那么我们的生活将会变得怎样呢？

突破点：机器人可以学习任务，将知识传送到云端供其他机器人学习。

意义：如果不需要分别对所有类型的机器进行单独编程，那么机器人发展进程将被大量加快。

主要研究者：brain of things、布朗大学、加利福尼亚大学伯克利分校、德国达姆施塔特工业大学

技术上市时间：未来3-5年。

人们希望机器人可以完成更多的工作，例如在仓库中包装货物、帮助卧床病人或在前线帮助士兵，但因为机器人不能识别并且简单处理常见的事务，所以这一切几乎不可能成为现实。布朗大学的计算机科学教授表示，人们通常在叠袜子、拿水杯等事情方面毫无问题，因为我们已经经历了童年时期的“大数据收集过程”。而对于机器人来说，它们需要访问大量数据来学习如何抓取和操纵物体——这些数据通常来自精密的编程。但在理想状况下，机器人可以彼此之间获取信息。

这是tellex的“万物交流”项目所依据的理论。这个项目的目的是研究世界各地的机器人，并了解它们如何发现处理从碗到香蕉这类简单物品，然后在学习完成后将数据上传到云端，并允许其他机器人分析和使用这些信息。

在美国罗德岛州普罗维登斯设立的tellex实验室的气氛非常轻松愉悦。我拜访她的那天，一个由机器人技术公司制造的baxter机器人正站在一堆东西中扫描一个小梳子。它在小梳子上方来回移动自己的右手，并使用相机拍摄了许多照片而且使用红外传感器测量深度。之后，它用两个钳子尝试了不同的抓取方式并最终将其举起来。一旦机器人将梳子握在空中，它就会摇动梳子以确保已经抓紧了。假如是这样的话，我们就可以断定机器人已经学会了如何抓取物体。

机器人可以全天工作，通常在其每个夹具中都有不同的物品。tellex和她的研究生john oberlin已经收集并分享了大约200种物品的数据，这些物件包括小孩的鞋子、塑料船、橡皮鸭、榨蒜汁机和其他厨房用具，以及最初属于她三岁儿子的吸水杯。其他科学家也贡献了他们自己的数据，tellex希望可以使用这些数据来建立一个关于机器人如何操纵一百万个不同物品的数据库。最终，机器人在面对一个装满货物的架子时就能够“识别它们面前的钢笔并抓起它”。

此项目实现的可能性很大，因为许多机器人研究都使用相同的标准框架编程，比如ros：一旦一个机器人将给定任务学习完毕，它就可以将数据分享给其他人，并且这些机器人还可以上传反馈——这可以改善传递给后续机器人的指令。tellex说，关于如何识别和抓取任何给定物体的数据都可以被压缩到5-10兆字节，这大约是音乐库中一首歌曲所占内存的大小。

tellex是一个名为“机器人大脑”项目的早期合作者，这个项目展示了机器人如何从另一个机器人那里学习。她的合作者ashutosh saxena在康奈尔大学指导他的pr2机器人拿起小杯子并将其放在桌子上。之后，tellex在布朗大学从云端下载了这些信息并使用它们训练baxter——因为处于不同环境中的机器人执行相同任务的过程也不太一样。

“这些进展现在看起来作用很大，但是在接下来的5到10年内，我们期望看到机器人能力的爆炸式增长。”saxena说。他现在是创业公司brain of things的ceo。随着更多的研究人员贡献资源来完善云端数据，“机器人会变得能够在弹指间获取需要的所有信息”。

每当机器人用最佳方式抓取并握住某物时，它就会将其他机器人可以使用的数据格式化。

以上是网络信息转载，信息真实性自行斟酌。